Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
APLICACIN EN LA
INDUSTRIA DE LA
LGICA FUZZY
CURSO:
INTELIGENCIA ARTIFICIAL
DOCENTE:
SAL LUIZ DE MELO
INTEGRANTES:
ANTN NARVAEZ, CESAR
1310195
1211926
1211737
LGICA FUZZY
El concepto de lgica fuzzy es muy comn, est asociado con la manera en que las
personas perciben el medio, por ejemplo ideas relacionadas con la altura de una persona,
velocidad con la que se mueve un objeto, la temperatura dominante en una habitacin,
cotidianamente se formulan de manera ambigua y depende de quin percibe el efecto
fsico o qumico, ser su enunciado acerca de tal fenmeno. Una persona puede ser alta o
baja, algo puede moverse rpido o lento, una temperatura puede ser baja o moderada o
alta, se dice que estas afirmaciones acerca de una variable son ambiguas porque rpido,
bajo, alto son afirmaciones del observador, y estas pueden variar de un observador a otro.
Uno se puede preguntar cundo algo es fro o caliente, que tan baja es la temperatura
cuando decimos fro, o que tan alta es cuando decimos caliente.
Los conjuntos difusos definen justamente estas ambigedades, y son una extensin de la
teora clsica de conjuntos, donde un elemento pertenece o no a un conjunto, tal
elemento tiene solo 2 posibilidades, pertenecer o no, un elemento es bi-valuado y no se
definen ambigedades. Con conjuntos difusos se intenta modelar la ambigedad con la
que se percibe una variable. Los conjuntos difusos son la base para la lgica fuzzy, del
mismo modo que la teora clsica de conjuntos es la base para la lgica Booleana. Con los
conjuntos difusos se realizan afirmaciones lgicas del tipo si-entonces, definindose estas
con Lgica Fuzzy. Este tema es propio de inteligencia artificial, donde se intenta emular en
pensamiento humano. Nuestro campo de estudio es el control industrial, debemos tener
en cuenta la experiencia o base de conocimiento del operario, esto ser til para emular el
comportamiento humano con una mquina, a pesar de ser esta muy limitada.
Desde que Lotfy A. Zadeh (1965) desarroll este concepto de lgica fuzzy, se ha trabajado
en este tema, el principal centro de desarrollo es Japn, donde sus investigadores la han
aplicado a muy diversos sistemas, principalmente electrodomsticos, sistemas ms
recientes estn vinculados con la industria, la medicina y la actividad espacial. Muchas
publicaciones y libros se han escrito de este tema, pero an queda mucho por explorar.
basadas en estas tcnicas las cuales han mostrado excelentes resultados y han
abierto
el
campo
para
otras
aplicaciones.
En Colombia en la planta de tratamiento de aguas de puerto mallarino de las
empresas municipales de Cali (Emcali) se desarroll un sistema de control basado
en redes neuronales y lgica fuzzy que permitiera llevar a cabo tanto la estimacin
como el control de la dosis de coagulante
2. Marco terico
Redes neuronales artificiales en aplicaciones industriales
Desde el punto de vista de la ingeniera las redes neuronales artificiales (RNA)
pueden ser vistas como un gran sistema dinmico en paralelo que puede realizar
transformaciones por medio de la respuesta de estado de su informacin de
entrada. El cmo se lleva a cabo la transformacin depende del modelo de la RNA
y de su forma de aprender la transformacin. El rea de aplicacin ms natural de
las RNA son obviamente las tareas en las cuales se deben obtener las
transformaciones apropiadas de ciertas entradas a ciertas salidas; pero las
transformaciones no pueden ser descubiertas analticamente debido a la variedad
de factores involucrados en ellas. Por lo tanto no es sorprendente que la mayora
de las aplicaciones exitosas de RNA puedan ser encontradas en reas de visin de
mquinas, reconocimiento de patrones, control de motores, procesamiento de
seales, donde tales transformaciones "entradas a salidas" dominan la solucin del
problema.
Las neuronas de primer nivel reciben sus entradas directamente del entorno. Las
salidas de estas neuronas se conectan a las entradas de las neuronas del segundo
nivel, y as sucesivamente, hasta el ltimo nivel, cuyas salidas son entregadas al
entorno. En la tabla1 se muestran las reas de aplicaciones ms tpicas de RNA en
Europa, mientras que en la tabla 2 se muestran los sectores industriales donde ms
aplicacin han tenido las RNA.
3. Aplicaciones de lgica fuzzy en automatizacin industrial.
En los ltimos aos, la lgica fuzzy ha demostrado su gran potencial en las
aplicaciones de automatizacin industrial. Para los eventos de control discreto los
ingenieros han usado la lgica de escalera, un lenguaje de programacin
semejante a los esquemas de cableado elctrico corriendo en un controlador
lgico programable (PLC en ingls). Para un control continuo los controladores de
tipo PID son los ms empleados; stos controladores trabajan bien cuando el
proceso bajo control est en condiciones estables; sin embargo cuando se
presentan grandes disturbios, variaciones en el tiempo de los parmetros del
proceso, presencia de tiempos muertos, los controladores PID no operan bien.
La lgica fuzzy le permite a los ingenieros disear controles supervisorios
multivariable derivados de la experiencia de una operador y de los resultados
experimentales; en vez de modelos matemticos.
La lgica fuzzy es un mtodo de toma de decisiones basado en reglas usados para
sistemas expertos y control de procesos que emulan el modo de comprensin de
los sistemas usados por el ser humano.
La lgica fuzzy puede ser usada para controlar un proceso que una persona puede
controlar manualmente con la habilidad adquirida a travs de la experiencia. Las
reglas de control lingstica que un experto humano puede describir en forma
intuitiva y general, pueden ser trasladadas a un conjunto de reglas (IF - THEN) para
un controlador basado en lgica fuzzy.
Las aplicaciones industriales de controladores basados en lgica fuzzy han tenido
una gran cobertura en los ltimos aos. Algunos ejemplos de aplicaciones de
sistema de control basados en lgica fuzzy son:
Convertidores de viento en energa, control de dosificacin en plantas de
tratamiento de aguas, sistema de control de produccin de azcar fermentable,
control lgico tipo fuzzy para tachos al vaci de bajo grado.
Una vez identificadas las dos etapas del control de la dosificacin de coagulante, el
siguiente paso consiste en el diseo de los algoritmos de control para cada una de
las etapas. Para la etapa de estimacin de la dosis optima y el pH de coagulacin,
se entren una red neuronal artificial con un conjunto de datos histricos de la
planta de puerto mallarino; correspondientes a los aos 1999 - 2001. Un total de
300 conjuntos de datos fueron tomados para entrenar y evaluar el desempeo de
la red neuronal; de los cuales 200 conjuntos de datos se usaron para el
entrenamiento de la red neuronal y los 100 restantes se usaron para evaluar el
desempeo y la generalidad de la misma.
La Red neuronal entrenada tiene 5 neuronas de entrada que conforman la capa de
entrada; correspondientes a los valores de los parmetros de calidad de agua
cruda. La capa oculta de la RNA est constituida por 15 neuronas y las dos
neuronas de salida que conforman la capa de salida de la RNA corresponden al
resultado esperado en la prueba de jarras. Los mrgenes de operacin de calidad
de agua cruda tratados en esta planta son grandes en comparacin con otras
plantas lo cual hace que la relacin entre los datos sea bastante no-lineal. Por esta
razn se hace necesario la implementacin de una red neuronal artificial, ya que
las redes neuronales son excelentes estimadores de relaciones no-lineales entre
datos acumulados y datos numricos de salidas.
7. Control de la dosificacin alrededor del punto de operacin (ajuste de la
dosificacin).
En esta etapa es vital la experiencia del operador en el control del proceso, pues la
prueba de jarras le provee un punto de referencia de la dosificacin requerida, la
cual debe ajustar para conseguir una remocin de turbiedad efectiva. Un sistema
de control basado en lgica fuzzy es una excelente alternativa; ya que la lgica
fuzzy permite describir sistemas complejos usando el conocimiento de un experto,
utilizando unas simples reglas de forma que una estrategia de control lingsticas
derivado de la experiencia de un operador pueda convertirse en una estrategia de
control automtico.
La estructura de los controladores difusos encargados de realizar el ajuste de la
dosificacin; la necesidad de dos controladores difusos se fundamenta en el
procedimiento efectuado por el operador para el ajuste de la dosificacin.
Bsicamente el primer controlador hara el mismo ajuste de la dosis que hace el
operador basado en la calidad de agua tomando como referencia la turbiedad de
agua cruda y teniendo en cuenta la desviacin del pH respecto al pH que se desea
obtener a la salida de la cmara de mezcla rpida. Posteriormente el segundo
controlador difuso que es un controlador PI, se encargara de efectuar los ajustes
en la dosis que le permitan efectivamente alcanzar el pH esperado. La labor del
En la tabla 3 se muestran los rangos de calidad de agua cruda que el sistema puede
controlar. La limitacin del sistema obedece al conjunto de datos escogido para el
entrenamiento de la red neuronal; cuya capacidad de prediccin se puede
fcilmente expandir sin que ello represente un costo adicional, ni una gran
inversin en el tiempo de diseo. En la figura 10 se observa el diagrama de bloques
del sistema propuesto para el control de la dosificacin de coagulante. El primer
bloque llamado Red neuronal de estimacin de dosis y pH de coagulante; estima la
dosis optima y pH de coagulacin (Do, pH-1) cuyas entradas son los parmetros de
calidad de agua cruda (temperatura, turbiedad, pH, color, alcalinidad
La salida de pH (pH-1) de este bloque es enviada como set point hacia el siguiente
bloque llamado Controlador difuso de ajuste de dosis respecto a pH. Este bloque
tiene adems otra entrada de lectura de pH (pH-2), proveniente del reactor, que
constituye la seal de realimentacin del controlador difuso quien har los ajustes
en la dosificacin, segn sea la desviacin de la lectura de este pH (pH-2) respecto
al pH de coagulacin calculado por la red neuronal (pH-1). Finalmente, el valor de
la dosis optima (Do) provedo por la red neuronal, el valor del ajuste de la dosis
provedo por el controlador difuso y el caudal de entrada; son los parmetro de
entrada de un bloque llamado clculo de frecuencia del variador que se encarga de
calcular el ajuste en la frecuencia del variador de velocidad quien provee la seal
de control sobre el elemento actuador que es la bomba dosificadora de
coagulante. El sistema fue concebido bajo la idea de trabajar como un sistema
experto en tiempo real, que fuera capaz de realizar el control de la dosificacin de
coagulante como si fuera un operador en lnea.
Los w casos que se quieren obtener con el Sistema de Lgica Fuzzy pueden ser
insuficientes para determinar completamente el diseo, o por el contrario, pueden
ser inconsistentes entre s.
El algoritmo de Wang & Mendel permite determinar la base de reglas a partir de
la tabla de patrones de entrenamiento; el diseador debe seleccionar los dems
parmetros de Sistema de Lgica Fuzzy. El procedimiento es el siguiente para
cada uno de los w casos:
1. Determinar los grados de pertenencia de
a cada uno de los Valores Lingsticos de las respectivas Variables Lingsticas.
EJEMPLO 1